商業(yè)智能原理與應(yīng)用（第二版）

定　價：￥60.00

作　者：	鮑立威，蔡穎著
出版社：	浙江大學出版社
叢編項：	浙江省普通高?！笆濉毙滦螒B(tài)教材，商業(yè)智能與商業(yè)分析系列叢書
標　簽：	暫缺

購買這本書可以去

京東 (￥60.00)

ISBN：	9787308188241	出版時間：	2020-02-01	包裝：	平裝
開本：	16開	頁數(shù)：	337	字數(shù)：

內(nèi)容簡介

　　《商業(yè)智能原理與應(yīng)用（第二版）》緊密結(jié)合經(jīng)管類學生的知識結(jié)構(gòu)和學習特點，以“商業(yè)智能”應(yīng)用為主線，系統(tǒng)介紹了商業(yè)智能的概念、方法、技術(shù)及應(yīng)用，克服了以“數(shù)據(jù)挖掘”技術(shù)為主線的局限性。該書可以作為高等院校高年級本科生的教村，也可以作為MBA的教材，以及相關(guān)專業(yè)人員、市場營銷人員、管理決策支持等實際經(jīng)濟管理領(lǐng)域?qū)崉?wù)工作者的參考用書。

作者簡介

暫缺《商業(yè)智能原理與應(yīng)用（第二版）》作者簡介

圖書目錄

第一章數(shù)據(jù)挖掘和商業(yè)智能
第一節(jié) 數(shù)據(jù)挖掘的興起
第二節(jié) 什么是商業(yè)智能
第三節(jié) 數(shù)據(jù)挖掘和商業(yè)智能工具
第四節(jié) 數(shù)據(jù)挖掘應(yīng)用案例
小結(jié)
思考與練習
第二章數(shù)據(jù)倉庫
第一節(jié) 數(shù)據(jù)倉庫的概念
第二節(jié) 數(shù)據(jù)倉庫的體系結(jié)構(gòu)
第三節(jié) 元數(shù)據(jù)
第四節(jié) 數(shù)據(jù)集市
第五節(jié) 數(shù)據(jù)倉庫設(shè)計與實施
第六節(jié) Microsoft數(shù)據(jù)倉庫和商業(yè)智能工具
第七節(jié) 數(shù)據(jù)倉庫設(shè)計案例
小結(jié)
思考與練習
實驗
第三章數(shù)據(jù)預(yù)處理
第一節(jié) 數(shù)據(jù)預(yù)處理的重要性
第二節(jié) 數(shù)據(jù)清洗
第三節(jié) 數(shù)據(jù)集成與轉(zhuǎn)換
第四節(jié) 數(shù)據(jù)消減
第五節(jié) 離散化和概念層次樹生成
第六節(jié) 使用SSIS對數(shù)據(jù)進行ETL操作
小結(jié)
思考與練習
實驗
第四章多維數(shù)據(jù)分析
第一節(jié) 多維數(shù)據(jù)分析基礎(chǔ)
第二節(jié) 多維數(shù)據(jù)分析方法
第三節(jié) 多維數(shù)據(jù)的存儲方式
第四節(jié) 多維表達式
第五節(jié) 使用SQL Server Analysis Server構(gòu)建維度和多維數(shù)據(jù)集
第六節(jié) 使用Excel數(shù)據(jù)透視圖瀏覽多維數(shù)據(jù)集
小結(jié)
思考與練習
實驗
第五章用Microsoft SSRS處理智能報表
第一節(jié) SSRS商業(yè)智能報表
第二節(jié) 使用SSRS創(chuàng)建報表
小結(jié)
實驗
第六章數(shù)據(jù)挖掘技術(shù)
第一節(jié) 數(shù)據(jù)挖掘的任務(wù)
第二節(jié) 數(shù)據(jù)挖掘的對象
第三節(jié) 數(shù)據(jù)挖掘系統(tǒng)的分類
第四節(jié) 數(shù)據(jù)挖掘項目的生命周期
第五節(jié) 數(shù)據(jù)挖掘面臨的挑戰(zhàn)及發(fā)展
小結(jié)
思考與練習
第七章關(guān)聯(lián)挖掘
第一節(jié) 關(guān)聯(lián)規(guī)則挖掘
第二節(jié) 單維布爾關(guān)聯(lián)規(guī)則挖掘
第三節(jié) 挖掘多層次關(guān)聯(lián)規(guī)則
第四節(jié) 多維關(guān)聯(lián)規(guī)則的挖掘
第五節(jié) 關(guān)聯(lián)挖掘中的相關(guān)分析
第六節(jié) 利用Microsoft SSAS進行關(guān)聯(lián)挖掘
小結(jié)
思考與練習
實驗
第八章分類與預(yù)測
第一節(jié) 分類與預(yù)測基本知識
第二節(jié) 有關(guān)分類和預(yù)測的幾個問題
第三節(jié) 基于決策樹的分類
第四節(jié) 貝葉斯分類方法
第五節(jié) 神經(jīng)網(wǎng)絡(luò)分類方法
第六節(jié) 分類器準確性
第七節(jié) 預(yù)測方法
第八節(jié) Microsoft貝葉斯算法
第九節(jié) Microsoft決策樹算法
第十節(jié) Microsoft神經(jīng)網(wǎng)絡(luò)算法
小結(jié)
思考與練習
實驗
第九章聚類分析
第一節(jié) 聚類分析概念
第二節(jié) 聚類分析中的數(shù)據(jù)類型
第三節(jié) 主要聚類方法
第四節(jié) 劃分方法
第五節(jié) 層次方法
第六節(jié) 基于密度方法
第七節(jié) 異常數(shù)據(jù)分析
第八節(jié) Microsoft聚類算法
小結(jié)
思考與練習
實驗
第十章時序數(shù)據(jù)和序列數(shù)據(jù)挖掘
第一節(jié) 時間序列模型
第二節(jié) Microsoft的時序算法
第三節(jié) Microsoft時序算法示例
第四節(jié) Microsoft的序列模式挖掘
小結(jié)
思考與練習
實驗
第十一章基于多維數(shù)據(jù)集的數(shù)據(jù)挖掘
第一節(jié) OLAP和數(shù)據(jù)挖掘之間的關(guān)系
第二節(jié) 構(gòu)建OLAP挖掘模型
小結(jié)
參考文獻